Pandas à Numpy
Méthodes pour transformer la série «Pandas» en «Numpy Array»
Le «Pandas» facilite trois méthodes distinctes qui nous aident à transformer la série «Pandas» en «Array Numpy». Ces méthodes sont discutées dans cette section:
- pandas.série.Fonction TO_NUMPY ()
- pandas.série.valeurs propriété
- pandas.série.propriété de tableau
Nous appliquerons ces méthodes à la série «Pandas» pour transformer la série «Pandas» en «Array Numpy». Nous montrerons également plusieurs exemples dans cet article où nous utilisons ces méthodes.
Exemple # 01
Ces codes sont présentés dans cet article à l'aide de l'outil «Spyder». Pour créer la série «Pandas», nous devons «importer» les modules des «pandas». Nous avons donc ajouté «l'importation», et à l'aide de cette «importation», nous importons les «Pandas en tant que PD». Ensuite, nous avons créé une série en mettant «PD.Série "et ajouté" Finlande, Danemark, Hongrie, Angola, Israël, Chine et Amérique "dans cette série et a également stocké cette série dans la variable" Série_Data ". Nous avons le «print ()» dans lequel nous mettons «série_data», donc cette série imprimera sur le terminal. Nous montrons simplement la série, et après avoir montré la série, nous allons convertir cette série en "Numpy Array".
La série est affichée ici car nous avons exécuté ce code à l'aide des touches «Shift + Enter». Notez que la série contient les valeurs d'index par défaut. Passons de l'avant pour transformer cette série en tableau Numpy.
Nous utilisons les «pandas.série.TO_NUMPY () ”Méthode, qui changera la série en tableau Numpy. Nous avons ajouté une variable «tableau» pour stocker le tableau Numpy, que nous obtenons après avoir appliqué les «pandas.série.Fonction TO_NUMPY () ”. Nous plaçons le nom de la série, qui est "série_data", puis la méthode "to_numpy ()". Ainsi, cette série se convertit dans le tableau numpy. Nous voulons également montrer ce tableau Numpy, nous avons donc ajouté la variable «tableau» dans le «print ()».
La série précédente est maintenant transformée en tableau Numpy et est également présenté dans ce résultat. Le tableau Numpy ne contient pas les valeurs d'index comme indiqué ici:
Exemple # 02
Nous avons utilisé deux bibliothèques, «Pandas» et «Numpy». La série que nous avons créée est la «Job_data» en utilisant «PD.Série ", et il contient" Freelancer, ingénieur logiciel, médecin, écrivain technique, enseignant, instructeur et constructeur ". Nous imprimons d'abord cette série «Job_data», puis nous convertissons la série «Job_data» en tableau Numpy en mettant le «NP.Array () »Méthode et ajouter le nom de la série, et plaçant également le« tableau »avec le nom de la série à l'intérieur de cette fonction. Cela transformera la série «Job_data» en «Array Numpy» et l'enregistrera dans «Job_array». Ensuite, nous passons «Job_array» à «Print».
La série et le tableau Numpy sont indiqués dans cette sortie. Notez que la série contient les valeurs d'index, mais le tableau Numpy n'a pas les valeurs d'index.
Exemple # 03
La série «Fruits_data» dans ce code contient «Mulberry, Date Palm, Cherry, Orange, Peach, Abricot, Olive, Apple, Pear et Watermelon». Nous écrivons ensuite «print ()» et y ajoutons «fruits_data». Après cela, nous transformons la série «Fruits_data» en tableau Numpy à l'aide de la méthode «To_Numpy ()». Ce tableau Numpy est également stocké dans "Fruits_array", et le "Fruits_array" est ajouté à "print ()".
Voici la série «Pandas» et le tableau Numpy dans le résultat du code précédent. Vous pouvez également observer la série et les différences de tableau Numpy ici:
Exemple # 04
Ici, nous avons utilisé des bibliothèques «Numpy» et «Pandas». En utilisant «PD.Série », nous avons construit une série intitulée« Data »qui comprend« AY123, AY678, AY876, AY908, AY987, AY912, AY456 et AY012 ». La série «Data» est d'abord imprimée, puis elle est transformée en un tableau Numpy en utilisant le «NP.Méthode Array () ”, en ajoutant le nom de la série, puis« valeurs ». Nous stockons également le tableau Numpy dans la variable "New_Array". La série «Data» se transformera en «Array Numpy» et sera enregistrée dans le «nouveau_array."Le" New_array "est ensuite transmis à" Print ".
Cette sortie donnée affiche à la fois la série et le tableau Numpy. Gardez à l'esprit que le tableau Numpy n'a pas les valeurs d'index mais la série contient des valeurs d'index.
Exemple # 05
Maintenant, nous créons la dataframe «S_DF» en plaçant la méthode «pandas», qui est «dataFrame ()» dans ce cas. Nous avons ajouté différentes colonnes, et chaque colonne du DataFrame est également appelée la série. Nous avons ajouté «nom» qui contient «Roman, Collins, Ethan, Poppy, Edward, Archie, Benjamin et Bromley». Ensuite, les «marques» viennent ensuite, ajoutant «278, 344, 239, 310, 485, 298, 453 et 670». Ensuite, nous avons inséré «37%, 54%, 15%, 59%, 76%, 34%, 61% et 80%» dans la colonne «pourcentage». Nous tapons "print ()" et y ajoutons "S_DF". Ainsi, le «S_DF» s'affichera.
Maintenant, nous convertissons deux colonnes du DataFrame dans le tableau Numpy car nous avons également discuté que la colonne du DataFrame est également la série de «pandas». Nous convertissons d'abord la série «Nom» en tableau Numpy en utilisant «NP.array "et ajoutant" S_DF "DataFrame avec la colonne" Nom ", puis en tapant" Valeurs "avec elle. Nous avons enregistré ce tableau Numpy dans la variable «my_array1», puis l'a affiché. Nous appliquons la même méthode, mais cette fois, nous avons mentionné la colonne «Marques» du DataFrame pour la convertir en tableau Numpy. Ce deuxième tableau Numpy est enregistré dans "my_array2" et ajouté à "l'impression" pour le rendu.
Le dataframe est présenté en premier. Ensuite, la colonne «Nom» ou la série «Nom» est convertie en tableau Numpy et affiché. De plus, la colonne «Marks» est convertie en tableau Numpy et rendu ici.
Exemple # 06
Maintenant, nous allons lire le fichier CSV ici, puis convertir ses données en dataframe et série. Aussi, la série dans le tableau Numpy. Le «file_data» est initialisé avec le «PD.la méthode read_csv () ”, et le chemin du fichier CSV est entré dans elle. Nous lisons le «fichier.CSV ", et cette méthode convertit les données du fichier en dataframe et les stocke dans" File_data ". Nous ajoutons également la méthode «dropna ()», qui supprimera les valeurs nulles si elle est présente dans ce dataframe.
Maintenant, nous utilisons «imprimer», et après cela, nous utilisons le «PD.Série () »Méthode et ajoutez le nom de DataFrame et une colonne du DataFrame, qui est« S_Location ». Cela le convertira en série et le sauvera dans "My_series". Nous appliquons la méthode «TO_NUMPY ()» pour convertir les données «S_Location» dans le tableau Numpy, et la méthode «To_Numpy» est ajoutée dans «Print», de sorte qu'il sera également affiché.
Les données que nous obtenons après avoir lu le «fichier.CSV ”s'affiche sous la forme de Dataframe, puis l'une de ses colonnes,« S_Location », est convertie dans le tableau Numpy.
Conclusion
Dans cet article, nous avons discuté du tableau Numpy dans «Pandas». Ici, nous avons expliqué l'utilisation de différentes méthodes pour transformer une série «Pandas» en tableau Numpy. Nous avons examiné les idées de transformation de la série en un tableau Numpy et de transformer également les colonnes du DataFrame en un tableau Numpy. De plus, cet article a démontré comment gérer les valeurs nuls lors de la transformation d'une série en un tableau Numpy. Dans ce tutoriel, nous avons utilisé trois méthodes distinctes, ce qui facilite considérablement la conversion de la série en un tableau Numpy. Ce concept a été complètement expliqué ici.